/ Модель

Характеристики

Контекст
1 000 токенов
Лицензия
MIT
Архитектура
gigaam-rnnt · dense
Библиотека
transformers
Опубликована
28 мар 2025

gigaam-rnnt

Распознавание речиАудио → текст6 профессий

Неофициальная обёртка Transformers для GigaAM-v2-RNNT от SberDevices, предназначенная для распознавания русской речи из аудио.

39скачиваний за 30 дней8лайковвеса обновлены23 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

waveletdeboshir/gigaam-rnnt — неофициальная обёртка для Transformers модели GigaAM-v2-RNNT, разработанной SberDevices. Она предназначена для автоматического распознавания русской речи и преобразования аудиозаписей в текст. В репозитории указаны классы модели, извлечения признаков и токенизатора, совместимые с интерфейсом Transformers, включая загрузку через Auto-классы.

Модель представлена в форматах PyTorch и Safetensors; карточка указывает библиотеку Transformers и лицензию MIT. README сообщает, что это оригинальная модель GigaAM-v2-RNNT с интерфейсом Transformers, но сам репозиторий является неофициальной обёрткой. Размер модели и длина контекста в доступных данных не приведены.

Сценарии применения

  • транскрибация русскоязычных аудиозаписей
  • распознавание речи в голосовых сообщениях
  • преобразование русских аудиозаписей в текст

Ограничения

Модель ориентирована на распознавание русской речи; качество на других языках в карточке не описано. Репозиторий — неофициальная обёртка, а README указывает совместимость с Transformers 4.49.0.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Finetune In Colab

GigaAM-v2-RNNT 🤗 Hugging Face transformers

This is an unofficial Transformers wrapper for the original GigaAM-v2-RNNT model released by SberDevices.

Russian ASR model GigaAM-v2-RNNT.

Model info

This is an original GigaAM-v2-RNNT with transformers library interface.

File gigaam_transformers.py contains model, feature extractor and tokenizer classes with usual transformers methods. Model can be initialized with transformers auto classes (see an example below).

Installation

my lib versions:

  • torch 2.7.1
  • torchaudio 2.7.1
  • transformers 4.49.0

Usage

Usage is same as other transformers ASR models.

from transformers import AutoModel, AutoProcessor
import torch
import torchaudio

# load audio
wav, sr = torchaudio.load("audio.wav")
# resample if necessary
wav = torchaudio.functional.resample(wav, sr, 16000)

# load model and processor
processor = AutoProcessor.from_pretrained("waveletdeboshir/gigaam-rnnt", trust_remote_code=True)
model = AutoModel.from_pretrained("waveletdeboshir/gigaam-rnnt", trust_remote_code=True)
model.eval()

input_features = processor(wav[0], sampling_rate=16000, return_tensors="pt")

# greedy prediction
with torch.no_grad():
    pred_ids = model.generate(**input_features)

# decode token ids to text
transcription = processor.batch_decode(pred_ids, group_tokens=False)[0]

Fine-tune

Finetune In Colab

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Ревизия весов
da91709

0 моделей